發(fā)布時間：2021-10-29 11:31

　　旅游客流量的準確預測為旅游目的地資源優(yōu)化配置、景區(qū)戰(zhàn)略計劃制定提供有效依據(jù)。為了提高景區(qū)日客流量的預測精度,提出基于改進粒子群算法（Particle Swarm Optimization,PSO）優(yōu)化最小二乘支持向量機（Least Squares Support Vector Machine,LSSVM）的預測方法,針對PSO算法的慣性權重在采取線性遞減策略時不能滿足粒子尋優(yōu)非線性變化的缺陷,從種群中粒子的聚合程度以及種群進化中粒子適應度同慣性權重的關系出發(fā),利用對數(shù)函數(shù)非線性變化的特性,提出基于對數(shù)函數(shù)的慣性權重自適應調整方法（Adaptive Logarithmic Particle Swarm Optimization,ALPSO）。通過改進的PSO算法優(yōu)化LSSVM的參數(shù),建立山岳型風景區(qū)日客流量的預測模型。以黃山風景區(qū)2012—2015年景區(qū)每日上山人數(shù)為例,實驗結果證明,與基于標準PSO算法、正弦粒子群算法（Sinusoidal Particle Swarm Optimization,SPSO）和高斯粒子群算法（Gaussian Particle Swarm Optimiz... 

【文章來源】：計算機工程與應用. 2019,55(18)北大核心CSCD

【文章頁數(shù)】：9 頁

【文章目錄】：
1 引言
2 ALPSO-LSSVM原理
    2.1 LSSVM原理
    2.2 標準PSO算法
    2.3 ALPSO算法原理
3 ALPSO-LSSVM預測算法
4 實驗分析
    4.1 ALPSO算法性能測試
        4.2.1 數(shù)據(jù)收集
        4.2.2 數(shù)據(jù)預處理
        4.2.3 評價標準
        4.2.4 模型分析
5 結論


【參考文獻】：
期刊論文
[1]一種慣性權重與種群多樣性協(xié)同調整的二進制粒子群優(yōu)化算法[J]. 李浩君,張廣,王萬良.  小型微型計算機系統(tǒng). 2018(03)
[2]基于KPCA-LSSVM的健康檔案空腹血糖水平預測研究[J]. 江燕,帥仁俊,張姝,查代奉.  計算機工程與應用. 2018(13)
[3]一種慣性權重自適應的粒子群優(yōu)化算法[J]. 羅華.  電子科技. 2017(03)
[4]基于核極化的特征選擇在LSSVM的應用[J]. 張文興,陳肖潔.  計算機工程與應用. 2017(19)
[5]基于改進PSO-LSSVM的短期電力負荷預測[J]. 馬小津,朱博,戴琳,張偉,陳熙.  自動化技術與應用. 2016(03)
[6]基于速度擾動項的多目標粒子群算法研究[J]. 劉文婧,張鑫禮,王建國,汪軍.  機械設計與制造. 2015(07)
[7]基于SVR-ARMA組合模型的日旅游需求預測[J]. 梁昌勇,馬銀超,陳榮,梁焱.  管理工程學報. 2015(01)
[8]運用PSO-LSSVM模型的城市供電可靠性預測[J]. 董紅,石連生,趙鵬程,嚴俊.  電力系統(tǒng)及其自動化學報. 2014(07)
[9]基于CPSO-LSSVM的網(wǎng)絡入侵檢測[J]. 劉明珍.  計算機工程. 2013(11)
[10]層次環(huán)形拓撲結構的動態(tài)粒子群算法[J]. 石松,陳云.  計算機工程與應用. 2013(08)



本文編號：3464573